滑动平均递推PLS在芳烃异构化过程建模中的应用

将滑动平滑滤波器与滑动窗递推PLS(MW-RPLS)模型结合,开发了一种滑动平均递推PLS(MA-RPLS)模型。将所开发的模型应用于芳烃异构化过程建模中。仿真结果表明:经滑动平滑滤波器去噪后的MA-RPLS模型提高了对二甲苯(PX)含量的预测精度,且各项精度指标均优于MW-RPLS模型。     

折息移动窗递推PLS算法及其在聚丙烯生产过程中的应用

针对聚丙烯生产过程的时变特性和非线性,提出一种基于数据块的折息移动窗递推PLS算法（discount moving window RPLS,DMW-RPLS）。该算法以经典递推PLS为基础,通过引入移动窗来控制数据块的数据量,并对数据块引入遗忘因子来进行折息,然后更新模型,实现对待测变量的实时预测估计。以聚丙烯熔融指数为对象进行了仿真研究,表明提出的折息移动窗递推PLS方法能减少计算量和解决数据饱和问题,有效利用过程信息,快速准确地反映过程特性。     

折息递推PLS算法及其在橡胶混炼质量控制中的应用

提出一种新的折息递推PLS（DRPLS）算法.通过对折息因子的调节,使模型具有更高的灵活性和适应性.克服传统PLS算法不能在线更新,普通RPLS算法无法克服“数据饱和”、可调参数少和缺乏灵活性的不足.并将其成功运用于橡胶密炼质量控制中,满足了混炼过程控制对门尼黏度预测模型灵活性和精确性的特殊要求,获得了具有足够精度和可调节性的混炼胶门尼黏度预测模型,为混炼过程的质量控制奠定了基础.     

移动窗递推PLS软测量建模及其工业应用

讨论了基于递推部分最小二乘(RPLS)算法的软测量建模方法及其应用.针对过程的时变特性,采用移动窗RPLS算法,在线修正样本的均值和方差,实时更新模型参数,兼顾了建模样本的饱和性、样本信息的完整性.然后将软测量模型应用于工业异构化装置,在线估计对二甲苯(PX)的含量.针对大量工业数据,进行仿真计算,得到模型的最大相对误差、相对均方误差和跟踪性能指标分别为2.68%、0.17%和0.9569,说明该软测量模型具有良好的预测能力和跟踪性能.接着讨论了建模样本长度对模型性能的影响,指出其最佳的样本长度为20～50.     

基于PLS快速剪枝法的RBF神经网络软测量模型建模方法和应用

提出一种从RBF神经网络隐含层的输出信息出发，通过PLS快速剪枝法，一次性剪去多余节点，生成最优规模的数学解析模型的方法。并用该方法建立了某化工企业精对苯二甲酸(PTA)晶体平均粒径的软测量模型，针对实际对象进行仿真研究，结果表明，该方法计算速度快，建立的模型精度高，适合实际工程应用的需求。     

基于递推PLS核算法的软测量在线学习方法

针对过程的动态时变特性,提出一种基于PLS核算法的软测量在线学习方法。该方法利用PLS核算法,通过递推学习具有代表性的新样本来改善模型的适应能力,较NIPALS算法具有更高的计算效率;并采用一种同时考虑输入和输出信息的相似度准则,有选择地删除一个或多个冗余样本,更有效地构建了训练样本集。工业聚丙烯熔融指数的软测量建模研究表明,本文提出的方法能够快速有效地跟踪牌号切换中熔融指数的变化。     

基于滑动窗的RPLS在线校正模型在橡胶混炼质量控制过程中的应用

在传统偏最小二乘法(PLS)建模的基础上,采用滑动窗方法,用递推偏最小二乘法(RPLS)根据在线数据自适应调整PLS混炼模型的结构和参数,建立橡胶混炼质量控制的RPLS在线校正模型。仿真与试验结果显示,该模型能自适应跟踪混炼的过程变化,门尼粘度预测误差为±3,符合生产要求。     

基于评估模型的化工装置投入产出

针对化工装置生产过程中计量方式的多样性以及计量时效的滞后性等问题,通过引入装置界区和评估模型的概念,提出了一套基于“评估模型”的装置投入产出量推算方法,而且在实际生产过程中,也具有可操作性。该方法将为化工生产装置的班产和班耗数据的计量和推算提供有力的支持,并对装置的生产过程提供监控依据。     

一种基于优先级的控制系统性能评估和安全监控系统

控制系统性能监控和评估的研究对保障生产过程安全高效运行具有重要意义。对于一个控制系统,各种监控评估指标的重要性不同却有内在冲突性,例如控制系统的性能"卡边"操作与安全生产有时是矛盾的。因此,提出了优先级性能评估与监控的思想,系统依照优先级序列对各指标进行性能评估,并对事关安全的关键过程变量重点监控;开发了针对MPC多变量控制系统的优先级性能评估与监控系统,并应用于催化裂化反应-再生系统。     

公路桥梁受力性能分析及状态评估

早期建成投入使用的公路桥梁中,普遍存在着建设标准和抗灾能力偏低、缺陷、病害和运营疲劳损伤等问题。结合承载能力和变形能力、动态测试结果,根据桥梁技术状况评定标准,判定案例桥梁设计承载能力的安全度不高,T梁的刚度降低较多（达到10%）,已经出现了严重的功能性病害,结构的刚度、稳定性和动力响应不能达到平时交通安全通行的要求,特别是行车时局部振动、冲击过大,车辆和行人有强烈的不安全感,建议对全桥进行维修加固     

WBRPLSR方法及其在化工软测量中的应用

及时测定化工过程变量,对确保生产过程稳定、有效控制产品质量具有重要意义.基于实时样本数据,采用偏最小二乘方法,以分块递归的方式,为过程变量建立软测量模型.在分析时序数据特性的基础上,引入加权策略,并提出选定相关参数的方法步骤,推导构建了加权分块递归偏最小二乘回归方法（WBRPLSR）.将该法实际应用于某公司PTA装置溶剂脱水塔,为塔釡排出液H₂O含量建立软测量模型,效果良好.与已有方法相比,它提高了建模效率,改进了预测性能.     

基于Ms-NIPLS-GPR的化工过程性能等级评估方法

针对化工过程中因输入输出数据间非线性关系造成在线性能评估准确度不足的问题,提出一种基于多数据空间非线性迭代偏最小二乘和高斯过程回归（multi-space nonlinear iterative partial least squares and Gaussian process regression,Ms-NIPLS-GPR）的性能分级评估方法。首先将性能相近的过程历史数据划分成不同性能等级的集合,利用Ms-NIPLS方法提取不同性能等级训练数据的特征子空间,然后用GPR获得特征子空间与性能等级标签之间的非线性映射结构,建立输入数据与性能等级之间的离线模型。得到模型后,在线评估当前过程性能等级,同时通过构造过渡性能系数来区分稳态性能等级和稳态性能等级间的过渡性能状态。最后,将该方法应用到乙烯裂解过程在线性能评估中,说明该性能评估方法的有效性和准确性。     

基于动态PLS框架的多回路内模控制器设计(英文)

In this paper, a multi-loop internal model control (IMC) scheme in conjunction with feed-forward strategy based on the dynamic partial least squares (DyPLS) framework is proposed. Unlike the traditional methods to decouple multi-input multi-output (MIMO) systems, the DyPLS framework automatically decomposes the MIMO process into a multi-loop system in the PLS subspace in the modeling stage. The dynamic filters with identical structure are used to build the dynamic PLS model, which retains the or-thogonality among the latent variables. To address the model mismatch problem, an off-line least squares method is applied to obtain a set of optimal filter parameters in each latent space. Without losing the merits of model-based control, a simple and easy-tuned IMC structure is readily carried over to the dynamic PLS control framework. In addition, by projecting the measurable disturbance into the latent subspace, a multi-loop feed-forward control is yielded to achieve better performance for disturbance rejection. Simulation re-sults of a distillation column are used to further demonstrate this new strategy outperforms conventional control schemes in servo behavior and disturbance rejection.     

Recursive least squares based estimation schemes for self-tuning control

Recursive Least Squares (RLS) is the most popular parametric identification method used for on-line process model estimation and self-tuning control. The basic least squares scheme is outlined in this paper and its lack of ability to track changing process parameters is illustrated and explained. Several variants of the basic algorithm which have appeared elsewhere in the literature are discussed. Some of these algorithms contain different modifications to the basic scheme which are intended to prevent this loss of alertness to changing process parameters. Other variations of the least squares algorithm are presented which attempt to deal with parameter estimation in the presence of disturbances and unmodelled process dynamics.     

基于极小极大估计器的偏最小二乘方法及应用

针对多输入多输出化工过程中,自变量间、因变量间均存在较强的相关性,提出了偏最小二乘回归(PLSR)与极小极大估计器相结合的PLS-Minimax算法。该算法先对样本数据进行多因变量的PLSR,以消除变量间的复共线性,建立较为稳健的模型;然后基于多变量残差的协方差矩阵,采用极小极大准则,估计收缩系数矩阵,以修正回归系数矩阵,改善模型的预报性能。将PLS-Minimax算法实际应用于聚合反应过程的建模,效果良好。与已有方法相比,其所建模型的预报精度有显著提高。     

基于偏最小二乘隐变量空间的控制器设计方法

基于偏最小二乘（PLS）隐变量空间的控制利用PLS算法内部关系主元独立的结构,可以实现自动解耦多变量之间的严重相关性,且自动实现隐变量变量配对,从而使得MIMO控制简化为SISO控制。由于PLS为稳态算法,要进行动态PLS算法才能与控制要求相符。但是因为PLS隐变量之间并不能完全消除相关性,因此如果采用PID控制器,在整定时回路之间将相互影响且控制器参数不稳定,由此进行了基于动态PLS隐变量空间模型的最优化控制。同时就加压网前箱和一个蒸馏器给出了该控制方法的仿真应用,显示了该方法的特性。     

Soft-sensor for copper extraction process in cobalt hydrometallurgy based on adaptive hybrid model

In the process of copper extraction in cobalt hydrometallurgy, the copper concentration of raffinate solution needs to be monitored and controlled simultaneously. It is difficult to measure such concentration online by existing instruments and sensors. Soft sensor technique has been became an online supplement measurement for process monitoring and control. In this paper, an adaptive hybrid modeling method for copper extraction process is proposed. The proposed model is composed of simplified first principle model and block-wise recursive PLS model. The former based on material balancing calculation with some assumptions is used to describe the extraction process in general; and the latter is constructed to compensate the unmodeled characteristic and deal with the time-variant feature. A model rectification strategy is also employed to correct the final output and increase the prediction accuracy. The proposed model has been used in a cobalt hydrometallurgy pilot plant, and the prediction results indicate that the adaptive hybrid model is more precise and efficient than the other conventional models.     

Fuzzy multi‐model based adaptive predictive control and its application to thermoplastic injection molding

Many chemical processes are inherently nonlinear. A single linear model is ineffective for these processes. Several local linear models may be developed for different operating conditions. A combination of these local models, through a fuzzy logic representation, results in an overall model for a wider operation range. In this paper, on‐line improvements and a fuzzy multi‐model have been proposed for predictive control implementation. Firstly, assuming that the premises of the fuzzy rules keep their original structures, the linear parameters in the rule consequents are on‐line updated by a weighted recursive least squares algorithm at each sample interval. Secondly, a batch learning algorithm is proposed to tune the fuzzy rule premises using a competitive learning algorithm. The effectiveness of the proposed improvements is demonstrated with experimental applications to the filling velocity control of thermoplastic injection molding